Adherence to Choosing Wisely Africa recommendations in breast cancer care: a cross-sectional study across three Sub-Saharan African centres
Notice bibliographique
Résumé
OBJECTIVE: The expenses associated with cancer treatment are increasing at a rapid pace. The financial strain of providing care is experienced worldwide, but is particularly pronounced in low and middle-income countries (LMICs). This has resulted in a growing acknowledgement of the importance of value-based cancer care. Choosing Wisely Africa (CWA) is an initiative aimed at reducing the excessive use and expenses associated with cancer treatment. In this study, we assessed adherence to CWA recommendations for the treatment of breast cancer in three high-volume cancer centres in Sub-Saharan Africa (SSA). DESIGN: tests, to compare adherence among these countries. SETTINGS: This study was conducted in three cancer centres (Ocean Road Cancer Institute, Rwanda Military Hospital and Korle Bu Teaching Hospital) in three countries (Tanzania, Rwanda and Ghana, respectively). PARTICIPANTS: A total of 542 patients were recruited. Eligible patients were those with a breast cancer diagnosis and complete data as pertaining to five CWA recommendations. RESULTS: A total of 542 participants with a mean age of 51 years were included. Participants were well distributed across Ghana (37%), Rwanda (34%) and Tanzania (29%). Female patients represented 97% of the study cohort. Half (51%) of the participants had some form of insurance. The study observed high adherence to cancer staging (94%) before treatment and histological confirmation (91%) before breast lump removal across all sites. Hypofractionation was used in 0% of cases in Rwanda, 42% in Ghana and 70% in Tanzania. CONCLUSION: This study provides critical insights into the implementation of CWA recommendations in breast cancer care in SSA. It highlights the disparities in adherence to CWA recommendations across different centres, showing the need for policy-driven changes and healthcare infrastructure improvement to standardise cancer care practices in LMICs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».